我的笔记

Schwind_2012_ConfirmationBias_EvaluationBias

更新于 2026/7/5

Reducing Confirmation Bias and Evaluation Bias: When Are Preference-Inconsistent Recommendations Effective -- and When Not?

元数据

  • 作者: Christina Schwind, Jurgen Buder
  • 年份: 2012
  • 期刊: Computers in Human Behavior, 28, 2280--2290
  • DOI: http://dx.doi.org/10.1016/j.chb.2012.06.035
  • 机构: Knowledge Media Research Center, Tubingen, Germany
  • 关键词: confirmation bias, evaluation bias, recommendations, prior knowledge, cooperation, competition, critical thinking

一句话总结

通过两项实验室实验（N=121 与 N=85，神经增强争议话题）证明：偏好不一致推荐(preference-inconsistent recommendations)能否同时减少确认偏差(选择偏差)与评价偏差(质量评分偏差)，取决于学习者的先验知识和合作-竞争心态——只有在低先验知识或合作心态下，两种偏差才同时被消除；高先验知识或竞争心态下，学习者会"选择不一致信息以反驳"，导致选择偏差消除但评价偏差反而增强。

研究问题

  1. 在线推荐系统中，"偏好不一致推荐"作为一种去偏干预，能否同时减少信息选择阶段的确认偏差和信息评价阶段的评价偏差？
  2. 学习者的先验知识水平如何调节偏好不一致推荐的效果？（准确性动机 vs 防御性动机框架）
  3. 学习者的合作 vs 竞争心态（通过概念启动操纵）如何调节推荐效果？
  4. 确认偏差与评价偏差是否会分离——即学习者可能在选择上看似无偏，但在评价上仍偏向自身立场？
  5. 推荐系统的双重功能（参考 vs 验证/反驳）如何根据情境激活？

核心贡献

  1. 双重测量框架：首次在同一实验中同时测量信息选择中的确认偏差和信息评价中的评价偏差，揭示二者可能分离
  2. 边界条件识别：明确了偏好不一致推荐有效性的两个调节变量——先验知识和合作/竞争心态——这两类调节均能在 Hart et al. (2009) 准确性 vs 防御性动机框架内得到统一解释
  3. 反向确认偏差的发现：在合作心态 + 偏好不一致推荐条件下，被试出现反向确认偏差(disconfirmation bias, d=0.82)——主动选择更多偏好不一致信息
  4. "反驳功能"的揭示：在高先验知识/竞争心态下，被试虽选择偏好不一致信息但目的是"找茬反驳"，导致评价偏差反而被强化(partial η²=.11-.15)
  5. 推荐双重功能假说：提出推荐系统对不同学习者具有不同功能——参考功能（无知识/合作）vs 验证-反驳功能（有知识/竞争）
  6. 方法论贡献：通过两个看似无关任务的封装（"可用性测试"），最大限度降低实验需求效应；通过 Chartrand-Bargh 打乱句子任务实现无意识心态启动
  7. 教育与系统设计含义：为在线推荐系统、教育推荐工具的设计提供了"何时该推不一致信息"的边界条件

维度1：实验设计分析

研究概述

本文包含两个实验室实验，研究"偏好不一致推荐"（preference-inconsistent recommendations）在何种条件下能有效减少确认偏差（confirmation bias）和评价偏差（evaluation bias）。两个研究分别考察了两个调节变量：先验知识（Study 1）和合作vs.竞争心态（Study 2）。

Study 1：先验知识的调节作用

被试: 132名德国大学生（经济学或社会科学），排除11人后最终N=121（83女，38男），平均年龄24.94岁（SD=4.77），范围18-49岁。通过课程学分或报酬补偿。排除医学/药学学生以控制先验知识差异。

实验设计: 2 (先验知识: 无 vs. 有) x 2 (推荐类型: 偏好一致 EC_con vs. 偏好不一致 EC_inc) 被试间设计。

实验任务详细流程:

  1. Cover Story: 实验被描述为两个不相关的任务，第一部分伪装为"可用性测试"（usability test），研究人们如何感知在线门户网站中的信息；第二部分伪装为另一个"可用性测试"，研究人们如何选择和评价网页搜索结果。

  2. 第一阶段 -- 先验知识操纵（10-15分钟）:

    • 争议话题为"神经增强"（neuro-enhancement，即通过药物提升认知表现）。
    • 无先验知识条件 (NO): 被试阅读一个关于"素食主义"的虚假在线门户网站（与神经增强无关），包含4个超链接页面（一般信息、备忘录、自我实验、事实与数据），共约2962词。
    • 有先验知识条件 (YES): 被试阅读一个关于"神经增强"的虚假在线门户网站，包含相同结构的4个页面，共约2989词。
    • 被试可自由浏览10-15分钟。
    • 阅读完成后，所有被试完成4道关于神经增强的知识测试题（多选题，满分4分）作为操纵检验。

  3. 第二阶段 -- 主实验任务:

    • 被试首先阅读一段关于神经增强的介绍性文字。
    • 被试报告自己对神经增强的初始偏好（pre-preference），采用6点双极量表（-2.5 = 支持神经增强 至 +2.5 = 反对神经增强）。
    • 被试报告话题的主观相关性。
    • 被试被要求想象自己正在网上搜索更多关于神经增强的信息。
    • 屏幕呈现一个模拟搜索结果列表（Web search result list），包含8个论点：4个支持、4个反对神经增强。每个论点由一个标题和两句解释性文字组成。
    • 推荐操纵: 8个论点中，有1个被橙色边框高亮标出，上方标注"The following information is recommended to you."。
      • EC_con条件：推荐的论点与被试初始偏好一致。
      • EC_inc条件：推荐的论点与被试初始偏好不一致。
    • 论点顺序随机排列（推荐论点固定在第一位）。

  4. 信息选择任务（Confirmation Bias测量）:

    • 被试从8个论点中选择1个想要阅读更多内容的论点（点击旁边的复选框）。
    • 因变量：选择偏好一致信息 vs. 偏好不一致信息的频率。确认偏差 = 一致信息选择数 - 不一致信息选择数。

  5. 质量评价任务（Evaluation Bias测量）:

    • 选择后，被试需要对全部8个论点进行质量评分。
    • 采用5星评分制（1 = very poor 至 5 = very good）。
    • 被试被明确指示：独立于自身偏好来评价论点质量。
    • 评价偏差 = 偏好一致论点的平均评分显著高于偏好不一致论点的平均评分。

  6. 操纵检验与人口统计: 2道推荐操纵检验题 + 人口统计信息。

  7. Debrief: 实验结束后告知被试实验真实目的。

Study 2：合作vs.竞争心态的调节作用

被试: 94名德国大学生（心理学、教育学或社会科学），排除8人后最终N=85（64女，21男，1未报告），平均年龄23.27岁（SD=3.27），范围19-32岁。排除医学/药学学生。

实验设计: 2 (心态: 合作 COOP vs. 竞争 COMP) x 2 (推荐类型: EC_con vs. EC_inc) 被试间设计。

实验任务详细流程:

  1. 第一阶段 -- 心态启动（Scrambled Sentence Task）:

    • 采用Chartrand & Bargh (1996)的经典范式。
    • 被试完成打乱句子任务：屏幕左侧呈现5个单词，被试需选出4个，按正确语法拖放到右侧方框组成句子。
    • 共13个句子：1个练习句 + 10个启动句 + 3个填充句（中性）。
    • 合作启动: 启动句包含合作相关词汇（如support, connectedness, assistance, association）。
    • 竞争启动: 启动句包含竞争相关词汇（如contest, championship, winner, battle）。
    • 完成后填写一份评价问卷以增强两部分不相关的可信度。

  2. 第二阶段 -- 主实验任务: 与Study 1完全相同的搜索结果列表任务，包含相同的8个论点和推荐操纵。

  3. 测量: 与Study 1相同的信息选择（confirmation bias）和质量评价（evaluation bias）测量。

关键设计特征

  • 单次选择范式: 被试只能选择1个论点阅读更多内容（非多次选择）
  • 争议性话题: 神经增强（cognitive enhancement through medicine）-- 预期被试自然获得的知识很少
  • 推荐系统模拟: 通过橙色高亮框模拟个性化推荐系统
  • 评价偏差作为批判性思维指标: 克服评价偏差意味着展现批判性思维能力
  • 被试间设计: 每个被试只经历一个实验条件

维度2：理论模型

核心理论框架

1. 确认偏差与评价偏差的双重测量框架

  • 确认偏差（Confirmation Bias）: 选择偏好一致信息多于偏好不一致信息的倾向（信息选择阶段）。源自Schulz-Hardt, Frey, Luthgens, & Moscovici (2000)的hidden profile范式。
  • 评价偏差（Evaluation Bias）: 给偏好一致论点更高质量评分的倾向（信息评价阶段）。源自Edwards & Smith (1996), Greitemeyer & Schulz-Hardt (2003)的disconfirmation bias研究。
  • 本文创新性地将两种偏差同时测量，认为二者可能共同出现但也可能分离。

2. 偏好不一致推荐的去偏差机制

  • 推荐系统通常推荐偏好一致信息以最大化用户满意度。
  • 在教育情境中，偏好不一致推荐可模拟"建设性争论"（constructive controversy），促进批判性思维。
  • 前期研究（Schwind, Buder, Cress, & Hesse, 2012）已发现偏好不一致推荐可以：(a) 减少确认偏差，(b) 引导温和化态度，(c) 产生更多发散性想法。

3. 准确性动机 vs. 防御性动机（Hart et al., 2009 元分析框架）

  • 准确性动机（Accuracy Motivation）: 无先验知识的学习者尚未形成需要捍卫的立场，目标是正确判断争议问题。推荐具有高导向价值（orienting cues），两种推荐都会被接受，但偏好不一致推荐能强调不一致信息的实用性，从而减少确认偏差。
  • 防御性动机（Defense Motivation）: 有先验知识的学习者已形成观点，目标是捍卫自身立场、回避对立观点。先验知识越高，防御性动机越强（Taber & Lodge, 2006），偏好不一致推荐被视为威胁，导致其效果被削弱。

4. 合作vs.竞争心态的信息加工理论

  • 合作心态（Johnson & Johnson, 1985, 1993, 2009; Carnevale & Probst, 1998）: 促进灵活思维、开放性、整合异见。合作情境下学习者更关注他人视角，更愿意修正自身观点。信息加工特征：广泛分类、关注他人视角。
  • 竞争心态: 促进刚性思维、封闭性、拒绝异见。竞争情境下学习者更关注"赢得争论"，强化自身立场。信息加工特征：狭窄分类、忽视对手视角。
  • 心态通过**概念启动（mindset priming）**操纵，属于无意识目标激活。

5. 推荐的双重功能假说（Discussion中提出）

  • 参考功能（Reference Function）: 对无先验知识/合作心态的学习者，推荐作为导航信息空间的参考点。学习者跟随推荐方向选择和积极评价被推荐信息。
  • 验证/反驳功能（Validation/Refutation Function）: 对有先验知识/竞争心态的学习者，推荐作为验证或反驳的对象。偏好一致推荐 -> 验证自身立场 -> 确认偏差+评价偏差；偏好不一致推荐 -> 选择异见信息以反驳 -> 减少确认偏差但评价偏差反而增强。

核心假设

Study 1假设:

  • H1a（选择行为）: 无先验知识条件下，偏好一致推荐导致确认偏差，偏好不一致推荐不导致确认偏差。有先验知识条件下，两种推荐均导致确认偏差。
  • H1b（评价行为）: 模式与H1a相同。

Study 2假设:

  • H2a（选择行为）: 合作条件下，偏好一致推荐不导致确认偏差，偏好不一致推荐导致反向确认偏差（选择不一致信息更多）。竞争条件下，偏好一致推荐增强确认偏差，偏好不一致推荐维持标准确认偏差。
  • H2b（评价行为）: 模式与H2a相同。

维度3：核心发现

Study 1 结果

操纵检验:

  • 先验知识操纵成功：YES组知识测试得分显著高于NO组，t(119)=14.69, p<.001, d=2.66（M_YES=3.11, SD=0.71 vs. M_NO=1.07, SD=0.82）
  • 先验知识条件下主观相关性更高：t(119)=2.45, p=.016, d=0.45
  • 初始偏好强度在四组间无差异：t(119)=0.52, p=.607, d=0.09

确认偏差（信息选择）:

条件 选一致信息 选不一致信息 确认偏差值 统计检验
NO/EC_con 23 7 16** chi2=8.53, p=.003, d=1.26
NO/EC_inc 16 14 2 chi2<1, p=.715, d=0.00
YES/EC_con 21 9 12* chi2=4.80, p=.028, d=0.79
YES/EC_inc 16 15 1 chi2<1, p=.857, d=0.00
  • 关键发现: 偏好不一致推荐在两种先验知识条件下都消除了确认偏差（H1a仅部分支持：预期有先验知识时不一致推荐无法减少偏差，但实际上也减少了）。
  • 推荐接受率：NO条件中两组均为13%（d=0.00）；YES条件中EC_con为13%、EC_inc为26%（chi2=1.50, p=.26, d=0.26）。

评价偏差（质量评分）:

三因素混合ANOVA（推荐类型 x 先验知识 x 评价对象）:

  • 评价对象主效应：F(1,117)=30.88, p<.001, partial eta2=.21 -- 一致论点总体评分更高（M=3.41, SD=0.71 vs. M=2.94, SD=0.82）
  • 三因素交互作用：F(1,117)=4.65, p=.033, partial eta2=.04

各条件评价偏差：

条件 一致论点评分 不一致论点评分 F值 partial eta2
NO/EC_con M=3.48, SD=0.90 M=2.81, SD=0.86 F=15.43, p<.001 .12
NO/EC_inc M=3.22, SD=0.58 M=3.07, SD=0.84 F<1, p=.379 .01
YES/EC_con M=3.48, SD=0.63 M=3.06, SD=0.81 F=6.27, p=.014 .05
YES/EC_inc M=3.47, SD=0.66 M=2.83, SD=0.75 F=14.56, p<.001 .11
  • 关键发现: 偏好不一致推荐仅在无先验知识条件下消除了评价偏差（NO/EC_inc）。有先验知识条件下，无论推荐类型，评价偏差均存在。特别值得注意的是YES/EC_inc条件：尽管确认偏差被消除，评价偏差却很强（partial eta2=.11），说明学习者选择了不一致论点但目的是"找茬反驳"。

Study 2 结果

确认偏差（信息选择）:

条件 选一致信息 选不一致信息 确认偏差值 统计检验
COOP/EC_con 12 9 3 chi2<1, p=.513, d=0.00
COOP/EC_inc 6 15 -9* chi2=3.86, p=.050, d=0.82
COMP/EC_con 16 4 12** chi2=7.20, p=.007, d=1.47
COMP/EC_inc 13 10 3 chi2<1, p=.532, d=0.00
  • 关键发现:
    • 合作心态+偏好不一致推荐产生了反向确认偏差（disconfirmation bias, d=0.82），被试更多选择偏好不一致信息。
    • 竞争心态+偏好一致推荐产生了强确认偏差（d=1.47）。
    • 偏好不一致推荐在两种心态下都消除了确认偏差。

评价偏差（质量评分）:

三因素混合ANOVA（推荐类型 x 心态 x 评价对象）:

  • 评价对象主效应：F(1,81)=19.55, p<.001, partial eta2=.19
  • 三因素交互作用：F(1,81)=6.55, p=.012, partial eta2=.08

各条件评价偏差：

条件 一致论点评分 不一致论点评分 F值 partial eta2
COOP/EC_con M=3.32, SD=0.79 M=2.71, SD=0.66 F=10.85, p=.001 .12
COOP/EC_inc M=3.19, SD=0.81 M=3.27, SD=0.51 F<1, p=.652 .00
COMP/EC_con M=3.41, SD=0.62 M=2.99, SD=0.52 F=5.06, p=.027 .06
COMP/EC_inc M=3.57, SD=0.63 M=2.89, SD=0.66 F=14.64, p<.001 .15
  • 关键发现: 仅在COOP/EC_inc条件下评价偏差被完全消除（partial eta2=.00）。COMP/EC_inc条件下评价偏差反而最强（partial eta2=.15），与Study 1的YES/EC_inc模式一致 -- 被试选择了不一致信息但带着"反驳"目的。

效应量总结

核心效应 效应量
先验知识操纵效果 d = 2.66
信息选择总体评价对象主效应 (Study 1) partial eta2 = .21
三因素交互 (Study 1) partial eta2 = .04
信息选择总体评价对象主效应 (Study 2) partial eta2 = .19
三因素交互 (Study 2) partial eta2 = .08
合作+不一致推荐的反向确认偏差 d = 0.82
竞争+一致推荐的确认偏差 d = 1.47
竞争+不一致推荐下的评价偏差 partial eta2 = .15
合作+不一致推荐下的评价偏差消除 partial eta2 = .00

维度6：与其他文献的关系

所属研究领域

  • 计算机辅助学习 / 推荐系统中的认知偏差
  • 信息选择中的确认偏差（confirmation bias in information selection）
  • 批判性思维与偏差矫正（debiasing）

关键上游文献

  • Hart et al. (2009): 选择性信息暴露的元分析，提出准确性动机vs.防御性动机框架 -- 本文的核心理论基础
  • Schulz-Hardt, Frey, Luthgens, & Moscovici (2000): 群体决策中确认偏差的经典研究
  • Edwards & Smith (1996): 评价偏差（disconfirmation bias）的开创性研究
  • Chartrand & Bargh (1996): 打乱句子启动范式 -- Study 2的心态操纵方法
  • Johnson & Johnson (1985, 1993, 2009): 合作vs.竞争与建设性争论理论
  • Schwind, Buder, Cress, & Hesse (2012): 作者前期工作，首次发现偏好不一致推荐可减少确认偏差
  • Taber & Lodge (2006): 政治信念中动机性怀疑 -- 先验知识增强防御性动机

本文核心贡献

  1. 将确认偏差研究从信息选择扩展到信息评价，同时测量两种偏差
  2. 识别了偏好不一致推荐有效性的边界条件：先验知识和合作/竞争心态
  3. 发现确认偏差和评价偏差可以分离：选择行为改变了但评价行为未必改变（YES/EC_inc和COMP/EC_inc条件）
  4. 提出推荐的双重功能假说：参考功能 vs. 验证/反驳功能

关键下游影响

  • 教育推荐系统设计：何时应推荐异见信息
  • 批判性思维培养的情境条件
  • 在线学习环境中"过滤气泡"（filter bubble）的破除策略

与本项目（信念实验）的关联及相关 vault 笔记

  • 偏差测量方法: 同时测量选择偏差和评价偏差，提供了信念偏差的多维度测量思路
  • 调节变量: 先验知识和社会情境（合作vs.竞争）作为信念更新偏差的调节因素
  • 去偏差干预: 偏好不一致推荐作为一种轻推（nudge）手段，在特定条件下有效
  • 动机性推理: 准确性动机vs.防御性动机框架直接关联信念更新中的动机性偏差研究

相关 vault 文献

局限性

  1. 单次选择范式（single choice）仅能反映短期效应，无法预测长期信息选择模式
  2. 先验知识通过短时间在线门户阅读操纵，可能未达到真正专家水平
  3. 合作/竞争心态通过启动操纵，生态效度有限（被试未察觉启动与搜索任务的关联）
  4. 样本主要为社会科学大学生，外部效度有限

维度4：变量概览

自变量（被试间操控）

变量 取值 操控方式
推荐类型 EC_con (偏好一致) / EC_inc (偏好不一致) 8个论点中橙色高亮1个，方向相对于被试 pre-preference
先验知识 (Study 1) NO / YES 阅读"素食主义"门户(无关) vs "神经增强"门户(相关)
心态 (Study 2) COOP / COMP Chartrand-Bargh 打乱句子任务 (10个启动句)

主要因变量

变量 操作化 范围
信息选择 (确认偏差) 选偏好一致论点数 − 选偏好不一致论点数（基于单选） -1, 0, +1
质量评价 (评价偏差) 偏好一致论点平均评分 − 偏好不一致论点平均评分 -4 to +4（5星量表差）
推荐接受率 是否选择被高亮推荐的论点 0/1

中介/操纵检验变量

  • 神经增强知识测试（4道多选题，0-4 分）
  • 主观相关性（量表）
  • 初始偏好 pre-preference（6点双极量表 -2.5 ~ +2.5）
  • 推荐操纵检验（2道）

论点结构

  • 共8个论点，4支持 + 4反对神经增强
  • 每个论点含1标题 + 2句解释
  • 推荐论点固定显示在第1位，其余7个随机排列

控制变量与排除标准

  • 排除医学/药学学生（控制专业相关先验知识）
  • 排除年龄、性别（人口统计协变量）
  • Study 1 排除11人，Study 2 排除8人（操纵检验失败者）

维度5：局限性

  1. 单次选择范式：被试只能选1个论点阅读更多内容，无法捕捉长期信息消费模式（如真实在线浏览中的多次选择、停留时间等）
  2. 先验知识操纵的强度有限：通过10-15分钟在线门户阅读建立先验知识，与真实领域专家(domain expert)的知识深度无法相比；操纵检验显示 YES 组得分3.11/4，仍非完全掌握
  3. 心态启动的生态效度有限：通过 Chartrand-Bargh 打乱句子任务实现，与真实社交情境中的合作/竞争氛围有差距
  4. 样本同质性：所有被试均为德国大学生（社会科学/经济学/教育学），外部效度受限
  5. 争议话题特殊性：神经增强是相对新颖且较少政治化的话题，结果可能不直接推广到高度极化话题（如疫苗、气候变化）
  6. 8个论点的设计限制：4支持+4反对的对称设计可能简化了实际信息空间复杂性
  7. 单一推荐：仅高亮1个论点，未考察多重推荐(top-k recommendations)的效果
  8. 缺乏过程数据：未记录被试浏览路径、注视时间等过程指标，无法刻画偏差产生的精细机制
  9. 未跟踪后续态度变化：测量止于评价阶段，未考察实际态度更新（pre-preference vs post-preference）是否发生
  10. 二阶心态启动：Study 2 启动一致性可能受被试个性影响，未测量启动效果的个体差异
  11. 被试间设计：缺乏被试内对比，无法刻画同一个体面对不同推荐时的策略转换

维度7：可拓展的研究方向

  1. 金融决策应用：

    • 投资者面对偏好不一致的研究报告/分析师建议时的选择和评价行为
    • 在 Robo-Advisor 中嵌入"偏好不一致推荐"——能否减少投资者的本土偏好、动量追逐？

  2. 真实推荐系统：

    • 与新闻推荐平台（如 Google News、知乎）合作，进行大规模 A/B 测试
    • 衡量长期效应：偏好不一致推荐是否带来用户流失？

  3. 合作-竞争心态的实地研究：

    • 团队合作 vs 个人竞争场景中的信息选择差异
    • 组织文化（合作型 vs 竞争型）对员工信息消费模式的影响

  4. 多重推荐与排序效应：

    • 不仅推荐1个，而是推荐top-k项，研究其中偏好一致/不一致比例的最优配置
    • 推荐理由的呈现方式（解释 vs 不解释）对去偏效果的影响

  5. 跨任务、跨时间的稳定性：

    • 一次成功去偏后，被试是否在后续任务中保持开放态度？
    • 长期追踪"反驳功能"是否随时间演化为"接受功能"

  6. 机制识别：

    • 用眼动、鼠标轨迹追踪信息加工深度
    • 神经成像(fMRI)定位"参考功能"vs"反驳功能"激活的脑区差异

  7. 个体差异：

    • "需要认知封闭"(Need for Closure)、开放性等人格特质如何调节推荐效果
    • 政治意识形态、宗教虔诚度对去偏干预的可塑性

  8. AI/LLM 情境：

    • LLM 推荐与人类推荐的去偏效果差异
    • 当用户知道是 AI 推荐时，"反驳功能"是否被加强？

  9. 去偏干预的组合：

    • 偏好不一致推荐 + 准确性提示 + 第三方背书 的多重干预效果
    • 与 Wason 选择任务中的元认知训练结合

  10. 信念效用框架的整合：

    • 偏好不一致信息引发负面情绪 → 防御性动机加强（Caplin-Leahy 焦虑模型）
    • 信念效用模型如何形式化"反驳功能"的偏差强化机制

标签

#confirmation_bias #evaluation_bias #recommendation_systems #debiasing #prior_knowledge #cooperation #competition #mindset_priming #critical_thinking #information_selection #lab_experiment

关键结论

  1. 偏好不一致推荐(EC_inc)作为去偏干预并非"万能药"——其有效性严重依赖学习者的先验知识和心态状态
  2. 选择偏差与评价偏差可以分离：在高先验知识(YES/EC_inc)和竞争心态(COMP/EC_inc)条件下，被试虽消除了选择阶段的确认偏差，但评价阶段仍偏向自身立场（partial η²=.11~.15），证明二者非同步
  3. 在合作心态 + 偏好不一致推荐下出现反向确认偏差(disconfirmation bias, d=0.82)，被试主动选择更多偏好不一致信息——首次实验证据
  4. 推荐系统具有双重功能：对低先验知识/合作心态者起"参考功能"（导航），对高先验知识/竞争心态者起"验证/反驳功能"（攻击异见）
  5. Hart et al. (2009) 的准确性动机 vs 防御性动机框架被两个调节变量（先验知识、心态）共同支持
  6. 设计含义：在线推荐系统不应一刀切——应根据用户先验知识和当下情境动态调整推荐策略；教育推荐系统应在低知识阶段引入异见信息以培养开放思维
  7. 评价偏差作为批判性思维的逆向指标——克服评价偏差比克服选择偏差更难，是去偏干预设计的关键挑战
  8. 对过滤气泡(filter bubble)研究的启示：仅打破信息流的"过滤"不足以打破观点封闭，必须配合学习者动机和情境的设计

🔗 链接到这篇笔记